多重条件约束的干旱区水库大坝多模态遥感智能识别方法

本发明公开了一种多重条件约束的干旱区水库大坝多模态遥感智能识别方法，首先针对VIS数据在干旱区面临的目标光谱同质化严重问题，制作VIS‑NIR多模态水库大坝影像数据集用于算法训练与特征学习；接着设计DDE‑YOLO算法，采用MF早期融合策略以对称方式对VIS与NIR两种模态的输入进行加权融合，并使用MSC3k多尺度C3k卷积和TCUB转置卷积上采样进行特征学习的优化；然后提供多重条件约束策略进行大坝潜在候选区域的筛选，利用NMS算法实现目标的精准定位，提取检测目标中心点坐标信息生成矢量地图。本发明能够有效解决在复杂干旱区背景下VIS单一模态输入下水库大坝目标与背景同质化严重、大坝空间定位误差大、检测精度低与虚警率高、遥感智能提取与自动化制图水平低的问题。